SAP BWクエリでは、条件とキー数値プロパティは、特定のレポート要件を満たすためにデータをフィルタリングおよび集計するための強力なツールです。売上高に基づいて100社の顧客のうち上位10社を検索するBWクエリで条件を定義する場合、キー数値プロパティを設定することで結果の表示方法を制御できます。正解の説明は以下の通りです。
C) 上位10社の顧客の売上高合計を含む1行の結果 このシナリオは、BWクエリに売上高に基づいて上位10社の顧客をフィルタリングする条件を適用することで実現できます。クエリは、上位10社の顧客のみの売上高合計を計算し、1行の結果として表示します。このアプローチは、条件を満たすデータのサブセットのみに焦点を当てます。
1: SAP BW/4HANA クエリデザイナーでは、クエリに表示されるデータセットを絞り込むための条件（例：「上位N」フィルター）を定義できます。その後、キー数値のプロパティを設定することで、フィルタリングされたデータを単一の結果行に集約できます。
D) 上位10社の顧客の売上合計を含む結果行と、残りの90社の顧客の売上合計を含む結果行。このシナリオは、BWクエリで条件と例外集計、または結果行を組み合わせることでも実現できます。仕組みは以下のとおりです。
この条件では、売上高に基づいて上位 10 人の顧客をフィルタリングします。
2 回目の計算では、残りの 90 人の顧客 (つまり、上位 10 社に含まれないすべての顧客) の売上収益を集計します。
クエリでは、上位 10 社の顧客と残りの 90 社の顧客の 2 つの結果行が表示されます。
このアプローチでは、正確な結果を確保するために、例外集計 (条件外の値の合計など) などの主要な数値プロパティを慎重に構成する必要があります。
参考：SAP BW/4HANAは、例外集計と結果行を使用した高度な結果計算をサポートしています。これらの機能はSAP BWクエリデザインガイドに記載されており、データの詳細な内訳を得るためによく使用されます。
誤ったオプションA. 100人の顧客全員の売上合計を含む1行の結果 このシナリオは、上位10人の顧客をフィルターする条件を適用した場合、直接実現することはできません。条件を適用すると、データセットは条件を満たす顧客（この場合は上位10人）のみに制限されます。
したがって、条件を削除しない限り、クエリには 100 人の顧客全員の売上収益は含まれません。
参考: SAP BW クエリの条件はデータをフィルター処理するように設計されており、その適用により一致しないレコードが結果セットから除外されます。
B). 上位10社の顧客の売上合計を含む結果行と、全100社の顧客の売上合計を含む結果行。このシナリオは、条件によってデータセットが上位10社の顧客のみに制限されているため実現できません。上位10社の顧客の合計を計算することは可能ですが、条件を削除せずに同じクエリ内で全100社の顧客の合計を同時に計算するメカニズムはありません。
参考: SAP BW クエリでは、データセットの一部に条件が適用され、同じクエリの別の部分の条件は無視されるという重複計算は許可されません。
結論このコンテキストでの結果のプレゼンテーションに関する 2 つの正しいシナリオは次のとおりです。
上位 10 顧客の売上収益合計を含む 1 つの結果行。
1 行目には上位 10 社の顧客の売上収益合計が表示され、2 行目には他の 90 社の顧客の売上収益合計が表示されます。
これらのシナリオでは、SAP BW クエリの条件、主要な数値のプロパティ、例外集計の機能を活用して、データに関する柔軟で有意義な分析情報を提供します。

SAP BW/4HANAでは、様々なオブジェクトにおいて、フィールドとインフォオブジェクトを定義に使用できます。フィールドは基盤となるデータソース内の技術的な列名を指し、インフォオブジェクトはデータにビジネスコンテキストを提供するセマンティックなメタデータオブジェクトです。正解の詳細な説明は以下の通りです。
* 説明: SAP BW/4HANA の階層は、特性（組織構造や製品階層など）の階層関係を定義するために使用されます。階層は特性（インフォオブジェクト）に依存しますが、基盤となるデータソースのフィールドを直接使用することはありません。したがって、階層の定義においてフィールドとインフォオブジェクトの両方を使用することはできません。
* 階層は純粋にメタデータ駆動型であり、技術分野とは相互作用しません。
オプションB：インフォオブジェクト型キー数値説明：キー数値は、測定可能な値（例：収益、数量）を格納するために使用されるインフォオブジェクトの一種です。キー数値は様々なBWオブジェクトで使用できますが、フィールドとインフォオブジェクトの両方を使用して定義されるわけではありません。キー数値は独立したメタデータオブジェクトであり、基盤となるデータソースのフィールドとインフォオブジェクトを結合するものではありません。
参照: キー数値はセマンティック レイヤーの一部であり、その定義に技術分野は含まれません。
オプションC：Open ODS View説明：Open ODS Viewを使用すると、基盤となるデータベースのテーブルまたはビューに直接アクセスして仮想データモデルを作成できます。ソーステーブルのフィールド（テクニカル列名）とInfoObjects（セマンティックメタデータ）の両方を使用してビューの構造を定義できます。この柔軟性により、Open ODS Viewsは生データとBWセマンティクスを統合するための強力なツールとなります。
参考：SAP BW/4HANAでは、BWのメタデータ機能を活用しながら外部データソースを公開するために、Open ODSビューが一般的に使用されています。Open ODSビューは、生データとセマンティックデータのシームレスな統合を可能にすることで、SAP Data Engineer - Data Fabricの原則に準拠しています。
オプションD：データストアオブジェクト（アドバンス）説明：アドバンスドデータストアオブジェクト（aDSO）は、SAP BW/4HANAの汎用的なストレージオブジェクトであり、レポート作成とデータステージングの両方をサポートします。フィールド（技術的な列名）とインフォオブジェクト（セマンティックメタデータ）を構造体に定義できます。この二重の機能により、aDSOは生データとBWのセマンティックレイヤー間の橋渡しとして機能します。
参考：aDSOはSAP BW/4HANAのデータモデリングアプローチの中核を成し、フィールドとInfoObjectの両方を柔軟に活用できる機能を提供します。SAP Data Engineer - Data Fabricのシナリオでは、データのハーモナイゼーションとレポート作成のために広く利用されています。
オプションE: 複合プロバイダ説明: 複合プロバイダは、インフォプロバイダ、Open ODSビュー、外部ソースなど、複数のソースからのデータを統合します。複合プロバイダの定義には、基盤となるデータソースのフィールドとBWメタデータのインフォオブジェクトの両方を使用できます。そのため、複合プロバイダは、多様なソースにわたるデータの統合ビューを作成するのに最適です。
参考：複合プロバイダーは、SAP BW/4HANAの仮想データモデリング機能の主要コンポーネントです。SA​​P Data Engineer - Data Fabricの原則に沿って、BWのセマンティックレイヤーとの互換性を維持しながら、柔軟なデータ統合を実現します。
概要SAP BW/4HANA の次のオブジェクトでは、定義にフィールドと InfoObject の両方を使用できます。
Open ODS View: ソースの技術分野と BW InfoObjects を組み合わせてセマンティック強化を実現します。
DataStore オブジェクト (高度): 柔軟なデータ モデリングのために、生のフィールドとセマンティック InfoObject の両方をサポートします。
複合プロバイダー: さまざまなソースのフィールドを BW InfoObjects と統合して、統合されたデータ ビューを作成します。
これらのオブジェクトは、生データとセマンティックメタデータをシームレスに統合する SAP BW/4HANA の機能を反映しており、SAP Data Engineer - Data Fabric フレームワーク内で効率的なデータエンジニアリングと分析をサポートします。

SAP Datasphere（旧称SAP Data Warehouse Cloud）のデータフロー機能は、ETL（抽出、変換、ロード）プロセスを設計および実行するための強力なツールです。これにより、ユーザーはデータを統合、変換し、ターゲットオブジェクトにロードするデータパイプラインを作成できます。有効なオプションの説明は以下のとおりです。
* 説明: この記述は誤りです。SA​​P Datasphere は Python を使用した高度な変換をサポートしていますが、NumPy などのライブラリを SQL スクリプトに自動的に変換しません。代わりに、Python スクリプトは変換ロジックの一部として実行され、データベース操作には SQL が使用されます。
* SAP Datasphere のドキュメントでは、カスタム変換に Python がサポートされていることが強調されていますが、NumPy などの Python ライブラリの SQL への自動変換については言及されていません。
2. Python言語は複雑な変換に使用できます。説明：この記述は正しいです。SA​​P Datasphereでは、Pythonを使用してカスタム変換ロジックを記述できます。これは、標準SQLやグラフィカル演算子では実現できない複雑なビジネスルールや計算を実装する場合に特に便利です。
参考：データフロー機能にはPython演算子が含まれており、ユーザーはこれを使用してPythonコードを埋め込んで高度な変換を行うことができます。この機能については、SAP Datasphereの変換ガイドに記載されています。
3. データはUnion演算子またはJoin演算子を使用して結合できます。説明：この記述は正しいです。SA​​P Datasphereは、グラフィカルなデータフロー設計の一部としてUnion演算子とJoin演算子を提供しています。これらの演算子を使用すると、特定の条件に基づいて、または行を追加することで、複数のソースからのデータを結合できます。
参考：Union演算子はデータセットを垂直方向（行方向）に結合し、Join演算子はデータセットを水平方向（列方向）に結合します。どちらもSAP Datasphereのユーザーガイドに記載されているデータフロー機能の重要な機能です。
4. リモートテーブルはターゲットオブジェクトとして使用できます。説明: この記述は誤りです。SA​​P Datasphereでは、リモートテーブルはデータフロー内のソースオブジェクトとしてのみ使用できます。データはSAP Datasphere環境内のローカルテーブルにロードする必要があるため、リモートテーブルをターゲットオブジェクトとして使用することはできません。
参考：SAP Datasphere のアーキテクチャでは、リモートテーブル（外部システム）とローカルテーブル（内部ストレージ）が分離されています。データフローのターゲットとして機能できるのはローカルテーブルのみです。
5. ターゲットモードはAppend、Truncate、Deleteのいずれかです。説明：この記述は正しいです。SA​​P Datasphereでターゲットテーブルにデータをロードする際に、ユーザーはロードモードを指定できます。
追加: 既存のデータに新しいレコードを追加します。
切り捨て: 新しいレコードをロードする前に既存のデータをすべて削除します。
削除: 新しいデータをロードする前に、条件に基づいて特定のレコードを削除します。
参考: これらのロード モードを構成する機能は、データ ロードのドキュメントに概説されているように、SAP Datasphere のデータ フロー機能の標準機能です。
結論SAP Datasphere のデータフロー機能の有効なオプションは次のとおりです。
複雑な変換には Python を使用します。
Union または Join 演算子を使用してデータを結合します。
追加、切り捨て、削除などのターゲット モードを構成します。
これらの機能により、SAP Datasphere はさまざまなソースからのデータを統合および変換するための多目的ツールになります。

SAP BW BridgeとSAP Datasphere Coreの顧客空間のデータを組み合わせるには、シームレスな統合と効率的なデータアクセスを確保するために、綿密な計画が必要です。それぞれの選択肢を分析し、AとBが正しい理由を判断してみましょう。
* 説明：
* ステップ 1: SAP BW Bridge オブジェクトを SAP BW Bridge スペースにインポートすると、データが整理され、ソースと整合された状態が維持されます。
* ステップ 2: 生成されたリモート テーブルを顧客スペースと共有すると、顧客スペースはデータを複製せずにデータにアクセスできるようになります。
* ステップ 3: 顧客スペースに追加のビューを作成すると、ユーザーは共有データを顧客スペース内の他のデータセットと組み合わせることができます。
* このアプローチは、SAP Datasphere の「リモートテーブル」という概念を活用し、SAP BW Bridge 空間内のデータへの仮想リンクを提供します。これにより、不要なデータ複製を回避し、効率的なデータアクセスを実現します。
2. オプション B: SAP BW ブリッジオブジェクトを顧客スペースにインポートし、データを結合するためのビューを作成する
ステップ 1: SAP BW Bridge オブジェクトを顧客スペースに直接インポートすると、必要なすべてのデータが 1 つの場所に統合され、データ モデルが簡素化されます。
ステップ 2: 顧客スペースに追加のビューを作成すると、ユーザーはインポートしたデータを同じスペース内の他のデータセットと組み合わせることができます。
参考：このアプローチは、顧客スペースがデータモデリングと分析の主な作業スペースである場合に適しています。スペース間の共有は不要になりますが、データの重複が発生する可能性があります。
3. オプションC: SAP BW ブリッジオブジェクトを SAP BW ブリッジスペースにインポートし、カスタマースペースにビューを作成し、SAP BW ブリッジスペースとビューを共有します。説明: カスタマースペースで作成されたビューを SAP BW ブリッジスペースに共有することは、標準的な方法ではありません。SAP Datasphere のビューは通常、作成されたスペース内で使用され、スペース間で共有すると複雑さと非効率性が生じる可能性があります。
参考：SAP Datasphere は、ガバナンスとパフォーマンスを維持するために、スペース間の明確な分離を重視しています。スペース間でのビューの共有はサポートされておらず、推奨もされていません。
4. オプションD: カスタマースペースからSAP BWブリッジスペースにオブジェクトをインポートし、データを結合するためのビューを作成する説明: カスタマースペースからSAP BWブリッジスペースにオブジェクトをインポートすると、通常のデータフローが逆になり、不要な複雑さが生じます。SAP BWブリッジスペースはSAP BWブリッジからのデータをホストするように設計されており、カスタマースペースはカスタムデータモデリングと統合を目的としています。
参考: SAP Datasphere は、SAP BW Bridge からのデータが顧客スペースと共有される単方向フローに従います (その逆ではありません)。